一种移动机器人自适应路径规划方法及装置与流程

1.本公开涉及机器人技术领域，尤其涉及一种移动机器人自适应路径规划方法及装置。


背景技术：

2.随着人工智能技术的不断发展，智能移动机器人的应用越来越广泛，功能也越来越多样化。移动路径规划是智能移动机器人导航的关键技术之一。
3.移动机器人在执行各种服务任务(如货物/外卖配送、巡检等)时，其移动路径可能会面临多种不同的场景(如室内场景、室外场景等)。由于环境的多变性以及需要考虑较多的因素，这使得移动机器人的路径规划变得十分复杂。而现有的机器人路径规划方法(如神经网络等)往往不能满足移动机器人在多变的环境下的自适应路径规划要求，且路径规划的效率也较低。


技术实现要素：

4.有鉴于此，本公开实施例提供了一种移动机器人自适应路径规划方法及装置，以解决现有机器人路径规划方法往往不能满足移动机器人在多变的环境下的自适应路径规划要求，且路径规划的效率也较低的问题。
5.本公开实施例的第一方面，提供了一种移动机器人自适应路径规划方法，包括：
6.确定移动机器人执行服务任务的目标移动路径；
7.采集移动机器人在移动执行服务任务的过程中的实时环境信息；
8.根据实时环境信息，确定动态障碍物以及动态障碍物在预设时间内的运动轨迹路线；
9.确定移动机器人在移动执行服务任务的过程中的实时位置的定位精度；
10.若定位精度低于预设的精度阈值，则启动预设的路径局部调整模式；
11.根据路径局部调整模式和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，以使移动机器人按照调整移动路径继续执行服务任务。
12.本公开实施例的第二方面，提供了一种移动机器人自适应路径规划装置，包括：
13.路径确定模块，被配置为确定移动机器人执行服务任务的目标移动路径；
14.信息采集模块，被配置为采集移动机器人在移动执行服务任务的过程中的实时环境信息；
15.信息提取模块，被配置为根据实时环境信息，确定动态障碍物以及动态障碍物在预设时间内的运动轨迹路线；
16.精度确定模块，被配置为确定移动机器人在移动执行服务任务的过程中的实时位置的定位精度；
17.启动模块，被配置为若定位精度低于预设的精度阈值，则启动预设的路径局部调整模式；
18.路径调整模块，被配置为根据路径局部调整模式和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，以使移动机器人按照调整移动路径继续执行服务任务。
19.本公开实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
20.本公开实施例的第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
21.本公开实施例与现有技术相比，其有益效果至少包括：通过确定移动机器人执行服务任务的目标移动路径；采集移动机器人在移动执行服务任务的过程中的实时环境信息；根据实时环境信息，确定动态障碍物以及动态障碍物在预设时间内的运动轨迹路线；确定移动机器人在移动执行服务任务的过程中的实时位置的定位精度；若定位精度低于预设的精度阈值，则启动预设的路径局部调整模式；根据路径局部调整模式和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，以使移动机器人按照调整移动路径继续执行服务任务，不仅能够满足移动机器人在多变的环境下的自适应路径规划要求，且提高了路径规划的效率。
附图说明
22.为了更清楚地说明本公开实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
23.图1是本公开实施例的一种应用场景的场景示意图；
24.图2是本公开实施例提供的一种移动机器人自适应路径规划方法的流程示意图；
25.图3是本公开实施例提供的移动机器人自适应路径规划方法中的一种路径规划示意图；
26.图4是本公开实施例提供的一种移动机器人自适应路径规划装置的结构示意图；
27.图5是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
28.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本公开实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本公开的描述。
29.下面将结合附图详细说明根据本公开实施例的一种移动机器人自适应路径规划方法和装置。
30.图1是本公开实施例的应用场景的场景示意图。该应用场景可以包括移动机器人101、服务器102以及网络103。
31.移动机器人101，可以集成有摄像装置(如单目/双目摄像头等)、通信装置、移动机构、控制器(如可为mcu(微控制单元)、单片机等)、定位导航装置(如gps(全球定位系统)、组
合导航、惯性测量单元等)等。
32.服务器102可以是提供各种服务的服务器，例如，对与其建立通信连接的移动机器人101发送的请求进行接收的后台服务器，该后台服务器可以对终端设备发送的请求进行接收和分析等处理，并生成处理结果。服务器102可以是一台服务器，也可以是由若干台服务器组成的服务器集群，或者还可以是一个云计算服务中心，本公开实施例对此不作限制。
33.需要说明的是，服务器102可以是硬件，也可以是软件。当服务器102为硬件时，其可以是为移动机器人101提供各种服务的各种电子设备。当服务器102为软件时，其可以是为移动机器人101提供各种服务的多个软件或软件模块，也可以是为移动机器人101提供各种服务的单个软件或软件模块，本公开实施例对此不作限制。
34.网络103可以是采用同轴电缆、双绞线和光纤连接的有线网络，也可以是无需布线就能实现各种通信设备互联的无线网络，例如，蓝牙(bluetooth)、近场通信(near field communication，nfc)、红外(infrared)等，本公开实施例对此不作限制。
35.本公开实施例提供的移动机器人自适应路径规划方法的执行主体可以是服务器102，也可以是移动机器人的控制器。下面以执行主体为服务器102为例进行详细说明。服务器102可先确定移动机器人执行服务任务的目标移动路径；然后，采集移动机器人在移动执行服务任务的过程中的实时环境信息；再根据实时环境信息，确定动态障碍物以及动态障碍物在预设时间内的运动轨迹路线；之后，确定移动机器人在移动执行服务任务的过程中的实时位置的定位精度；若定位精度低于预设的精度阈值，则启动预设的路径局部调整模式；根据路径局部调整模式和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，以使移动机器人按照调整移动路径继续执行服务任务。本公开不仅能够满足移动机器人在多变的环境下的自适应路径规划要求，且提高了路径规划的效率。
36.需要说明的是，移动机器人101、服务器102以及网络103的具体类型、数量和组合可以根据应用场景的实际需求进行调整，本公开实施例对此不作限制。
37.图2是本公开实施例提供的一种移动机器人自适应路径规划方法的流程示意图。图2的移动机器人自适应路径规划方法可以由图1的服务器102执行。如图2所示，该移动机器人自适应路径规划方法包括：
38.步骤s201，确定移动机器人执行服务任务的目标移动路径。
39.服务任务，可以是外卖配送、货物配送、酒店巡检、工地巡检等。
40.在一示例性实施例中，可预先建立服务任务与目标移动路径之间的映射关系，如可以建立如下表1所示的服务任务与目标移动路径映射关系表。
41.表1服务任务与目标移动路径的映射关系表
42.服务任务目标移动路径xx小区外卖配送a
→b→c→d→
exx工地巡检a
→b→c→d→e→f……
43.步骤s202，采集移动机器人在移动执行服务任务的过程中的实时环境信息。
44.实时环境信息，是指移动机器人在执行服务任务的过程中通过各类传感器(如激光雷达、相机、毫米波雷达等)采集到的周围环境的感知信息。该感知信息包括移动机器人在移动区域内采集到的周围环境图像和障碍物的位置信息等。
45.步骤s203，根据实时环境信息，确定动态障碍物以及动态障碍物在预设时间内的运动轨迹路线。
46.在实际应用中，移动机器人在执行服务任务的过程中，其移动行驶的途中可能会遇到各种各样的障碍物，包括静态障碍物(如固定在某处的建筑物等)和动态障碍物(如行人、其他移动机器人、车辆、动物等)。动态障碍物由于其运动速度、位置等方面具有一定的不确定性，故其对移动机器人的行驶路线的安全性的影响会相较于静态障碍物对移动机器人的行驶安全的影响要更大一些。并且，动态障碍物的这种不确定性很有可能会影响到移动机器人的行驶路线的安全性。因此，本公开主要考虑动态障碍物对移动机器人在执行服务任务的目标移动路径的影响。
47.在一示例性实施例中，可以将上述步骤s202采集到的实时环境信息输入到预设的预测模型中，提取出其中的各种障碍物的信息，如障碍物的体积大小、类型(如障碍物为车辆、行人或者其他物体(如动物)的概率值)、障碍物的当前位置等信息。其中，预测模型可以是预先通过移动机器人采集到的行驶区域内的各种障碍物的感知数据集训练得到的预测模型。预测模型可以是yolo系列算法模型(比如，yolov3、yolov4算法、yolov5算法、yolox算法)，也可以是其他预测算法模型。感知数据集，包括各种障碍物的体积大小、类型、位置等信息。
48.进一步，根据上述步骤获得的各种障碍物信息，查找出其中的动态障碍物(如速度变化值大于预设允许变化阈值的物体)。接着，可根据上述预测模型进一步推测出各动态障碍物在预设时长内的每一时刻的可能运动速度及其概率值，以及各动态障碍物在预设时长内的每一时刻可能按照什么样的运动路线从上一时刻的位置运动到下一时刻的位置。预设时长，一般是指想要预测动态障碍物在未来多长时间内的运动状态的时间跨度。该时间跨度的数值可以根据实际情况来设定，例如，可以设置为8秒、10秒等。
49.步骤s204，确定移动机器人在移动执行服务任务的过程中的实时位置的定位精度。
50.定位精度，是指移动机器人在执行服务任务的过程中的实时位置偏离目标移动路径的偏差值。
51.步骤s205，若定位精度不符合预设的精度范围，则启动预设的路径局部调整模式。
52.预设的精度范围，可以根据实际情况灵活设置，一般地，精度范围可设置为≤2m、≤3m、≤4m、≤5m等，具体在此不做限制。
53.路径局部调整模式，是指移动机器人按照目标移动路径移动执行服务任务的途中，若发现移动机器人的定位精度不符合预设的精度范围时，可允许移动机器人进行中间路径节点的局部调整的模式。
54.步骤s206，根据路径局部调整模式和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，以使移动机器人按照调整移动路径继续执行服务任务。
55.在一示例性实施例中，假设移动机器人接到的服务任务为“xx小区外卖配送”任务，其对应的目标移动路径为a
→b→c→d→
e。若移动机器人当前移动行走至图3中的点
①
处，且经上述步骤确定在移动机器人的行驶路径上的动态障碍物为一辆电动小车s，并且经预测模型预测得出该电动小车s在未来的8秒内的运动轨迹路线如图3中的虚线所示。虚线中的节点01、02、03、04、05、06、07、08分别为电动小车在未来的8秒内的每一秒对应会运动
到的位置。那么可以根据路径局部调整模式和电动小车的运动轨迹路线调整目标移动路径，得到调整移动路径，使得移动机器人后续可按照调整移动路径继续执行上述服务任务。
56.本公开实施例提供的技术方案，通过确定移动机器人执行服务任务的目标移动路径；采集移动机器人在移动执行服务任务的过程中的实时环境信息；根据实时环境信息，确定动态障碍物以及动态障碍物在预设时间内的运动轨迹路线；确定移动机器人在移动执行服务任务的过程中的实时位置的定位精度；若定位精度低于预设的精度阈值，则启动预设的路径局部调整模式；根据路径局部调整模式和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，以使移动机器人按照调整移动路径继续执行服务任务，不仅能够满足移动机器人在多变的环境下的自适应路径规划要求，且提高了路径规划的效率。
57.在一些实施例中，上述步骤s201，具体可包括如下步骤：
58.获取服务任务，服务任务包括任务终点；
59.采集移动机器人在执行服务任务之前的起始位置点，将起始位置点确定为路径起点，将任务终点确定为路径终点；
60.获取包括路径起点和路径终点的全局地图；
61.根据路径起点、路径终点和全局地图，确定目标移动路径。
62.任务终点，即系服务任务的执行地点。例如，服务任务是将货物甲配送至xx酒店的x楼xx房间，那么任务终点即为xx酒店的xx楼xx房间。
63.在一示例性实施例中，可以通过安装在移动机器人上的定位装置(如gps、组合导航等)采集其在执行服务任务之前的起始位置点。例如，服务任务是将货物甲配送至xx酒店的xx楼xx房间，移动机器人在执行该服务任务之前的所在位置为xx街道xx小区，那么，起始位置点为xx街道xx小区。
64.接着，将起始位置点xx街道xx小区确定为路径起点，将xx酒店的xx楼xx房间确定为路径终点。为了便于描述，下文将xx街道xx小区简称为a点，xx酒店的xx楼xx房间简称为b点。
65.然后，获取包括a点和b点的全局地图，即该全局地图要覆盖a点和b点的周围区域。该全局地图可以是包含有b点周围的交通信号灯、车道标记(如白线、黄线、双车道或单车道、实线、虚线)、路缘石、障碍物、电线杆、立交桥、地下通道，a点的xx酒店的内部设计图等详细信息的电子图纸，图纸上诸如交通信号灯等物体均有对应的地理编码。
66.在一些实施例中，根据路径起点、路径终点和全局地图，确定目标移动路径，具体可包括如下步骤：
67.对全局地图进行格栅化处理，得到格栅化地图；
68.计算格栅化地图中的每一个栅格的可通行概率值；
69.剔除格栅化地图中的可通行概率值低于预设概率阈值的栅格，得到目标栅格地图；
70.根据目标栅格地图、路径起点、路径终点，生成多条备选路径，其中，每一条备选路径为包括路径起点、路径终点和多个中间路径节点的可变长度的有序点集合；
71.从多条备选路径中筛选出满足预设的目标函数的一条目标移动路径。
72.对全局地图进行格栅化处理，具体是将全局地图划分成一系列大小相同的栅格区域，得到格栅化地图。示例性的，假设全局地图为一副100*100的地图，将该100*100的全局
地图划分为一系列10*10的栅格区域(共100个格栅)，即可得到格栅化地图，每个栅格可分别编号为栅格01、栅格02
……
栅格100。
73.若某栅格区域范围内包含有障碍物，那么可以通过计算该障碍物占该栅格区域的面积比例来确定其可通行概率值。可通行概率值，一般是指移动机器人能够通过栅格的概率值。一般来说，障碍物占该栅格区域的面积比例为100％的很可能是墙体，是100％不可通行的。也就是说，障碍物占据栅格区域的面积比例越大，则其可通行概率值越小。
74.在一示例性实施例中，可以预先建立障碍物占据面积比例与可通行概率值的对应关系；之后，通过计算每一个栅格内的障碍物占据面积比例，然后，根据该占据面积比例和上述的对应关系进一步确定该栅格的可通行概率值。比如，障碍物占据面积比例为5％，可通行概率值为95％，障碍物占据面积比例为10％，可通行概率值为90％，障碍物占据面积比例为50％，可通行概率值为50％。由此可见，障碍物占据面积比例与可通行概率值之和为1。
75.预设概率阈值，可根据实际情况灵活设置。通常移动机器人在障碍物占据面积比例为20％以下的栅格的可通行性较好，故预设概率阈值可设置为80％。
76.作为一示例，假设预设概率阈值为80％，那么可将上述获得的格栅化地图中的可通行概率值低于80％的栅格，得到目标栅格地图。
77.在一示例性实施例中，假设路径起点为a点，路径终点为b点，目标栅格地图为剔除了100*100的全局地图中的栅格01、20、24、63、78、90、100后的图纸，那么可以根据该目标栅格地图，基于高斯概率模型产生一系列的中间路径节点，并将a点、一系列的中间路径节点、b点按照一定的连接顺序连接起来，形成多条备选路径。每一条备选路径均为可变长度的有序点集合。
78.移动机器人的路径规划的优化目标一般包括快速(即路径长度)、安全、平滑这三个指标。因此，预设的目标条件可以是路径长度最短、路径安全性最高、路径平滑度最好中的任意一项，也可以是路径长度、路径安全性、路径平滑度中的任意两项或者三项。
79.在一示例性实施例中，可以采用萤火虫算法、自适应粒子群算法等从多条备选路径中筛选出满足预设的目标条件的一条目标移动路径。
80.示例性的，假设目标条件包括路径长度、路径安全性、路径平滑度三项的期望值，那么可以先基于自适应粒子群算法从多条备选路径中选出其中安全且路径最短的一条候选路径，然后，再采用贝塞尔曲线对候选路径进行平滑处理，得到目标移动路径。
81.在一些实施例中，上述步骤s204，具体可包括如下步骤：
82.若移动机器人在起始位置点对应的场景类型为第一场景类型，则配置移动机器人的定位模式为第一定位模式；
83.判断移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型是否仍为第一场景类型；
84.若移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型仍为第一场景类型，则采用第一定位模式确定移动机器人的实时位置坐标点；
85.根据实时位置坐标点与目标移动路径，确定移动机器人在实时位置处的定位精度。
86.第一场景类型，可以是指室内场景。室内场景通常可包括写字楼场景、酒店场景、隧道施工场景、地下放空工事场景等。
87.第一定位模式，通常是指采用安装在室内场景的室内定位标签以及安装在移动机器人上的惯性测量单元的组合定位方式。室内定位标签，可以是定位二维码/条形码、rfid标签等。
88.作为一示例，可以预先建立室内定位标签与室内位置(如室内位置坐标)信息之间的映射关系，并将该映射关系存储至机器人的内存或者是远程服务器的内存或者是云端服务器中。在后续需要执行移动机器人的室内定位时，可从这些地方调取出相应的室内位置信息。然后，再结合移动机器人移动至实时位置的惯性测量数据(包括机器人自身的角速度或三轴姿态角)，修正该室内位置信息，得到实时位置坐标点。
89.在一示例性实施例中，结合图3，假设移动机器人从a点(起始位置点，场景类型属于室内场景)移动行走至图3中的点
①
处，即实时位置为点
①
。判断移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型是否仍为第一场景类型。具体的，可以根据获取到移动机器人移动至点
①
时所采集到点
①
周围的实时环境信息进行分析，从而确定移动机器人在点
①
处的场景类型。若移动机器人在点
①
处的场景类型仍为室内场景(即第一场景类型)，则采用第一定位模式确定移动机器人在点
①
处的实时位置坐标点(即点
①
的坐标点)。
90.接着，根据实时位置坐标点与目标移动路径，确定移动机器人在实时位置处的定位精度，具体包括如下步骤：
91.计算实时位置坐标点与目标移动路径之间的距离值；
92.根据距离值，确定移动机器人在实时位置处的定位精度。
93.接上述示例，计算点
①
坐标点与目标移动路径之间的距离值。由于目标移动路径通常是一条曲线路径，因此，可以先找出目标移动路径中距离点
①
最近的路径节点，然后计算点
①
坐标点与该路径节点之间的距离值。然后，再根据该距离值查找到对应的定位精度。
94.在实际应用中，可以预先建立距离值与定位精度的对应关系。一般地，距离值越小，定位精度越高。比如，距离值与定位精度的对应关系可为：距离值为0～10cm，定位精度为≥95％；距离值为11～30cm，定位精度为大于等于60％小于95％；距离值为＞30cm，定位失败，无法预测定位精度。
95.在一些实施例中，判断移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型是否仍为第一场景类型之后，还包括：
96.若移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型不是第一场景类型，则判断移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型是否为第二场景类型；
97.若为第二场景类型，则采用第二定位模式确定移动机器人的实时位置坐标点。
98.第二场景类型，可以是指室外场景。室外场景一般是指相对于室内场景而言的开放空间。
99.结合图3，假设移动机器人从a点(起始位置点，场景类型属于室内场景)移动行走至图3中的点
③
处，点
③
对应的场景类型不是室内场景，则进一步判断点
③
对应的场景类型是否为第二场景类型；若是，则采用第二定位模式确定移动机器人的实时位置坐标点。
100.第二定位模式，通常是指gps定位方式，或者是gps与安装在移动机器人上的惯性测量单元的组合定位方式。
101.作为一示例，若移动机器人移动至点
③
处，点
③
对应的场景类型为室外场景，则进一步判断移动机器人当前接收gps信号的信号强度是否满足预设的强度范围(可根据实际情况灵活设定)，若移动机器人当前接收gps信号的信号强度满足预设的强度范围，则可采用单独的gps定位方式确定移动机器人的实时位置坐标点(即点
③
坐标点)。若移动机器人当前接收gps信号的信号强度不满足预设的强度范围，则可采用gps与安装在移动机器人上的惯性测量单元的组合定位方式确定移动机器人的实时位置坐标点(即点
③
坐标点)。
102.本公开实施例，可根据移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型，采用相对应的定位模型确定其实时位置坐标点，不仅可以提高移动机器人在不同场景下的定位导航的自适应性，还可保证后续的定位精度的计算结果的可靠性和准确性，有利于提高路径规划的效率和精确度。
103.在一些实施例中，上述步骤s206中根据路径局部调整模式和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，具体可包括如下步骤：
104.根据路径局部调整模式，计算移动机器人移动至下一个路径节点的局部移动路径；
105.根据局部移动路径和运动轨迹路线对目标移动路径进行调整，得到调整移动路径。
106.结合图3，在一示例性实施例中，假设移动机器人从a点移动至点
①
处，点
①
处于a点与b点之间。根据上述步骤，确定移动机器人移动至点
①
处时的定位精度大于60％小于95％，此时，可启动路径局部调整模式。假设在该路径局部调整模式下，可允许移动机器人进行中间路径节点的局部调整的容差为0.2m。那么，可根据该容差计算移动机器人移动至下一个路径节点(即b点)的局部移动路径。
107.假设根据上述容差计算出移动机器人移动至下一个路径节点(即b点)的局部移动路径如图3的点
③
至b
′
点的路线。若根据上述步骤确定在移动机器人的行驶路径上的动态障碍物为一辆电动小车s，并且经预测模型预测得出该电动小车s在未来的8秒内的运动轨迹路线如图3中的虚线(由节点01、02、03、04、05、06、07、08连接起来的路线)所示。虚线中的节点01、02、03、04、05、06、07、08分别为电动小车在未来的8秒内的每一秒对应会运动到的位置。
108.接着，判断移动机器人从点
③
移动至b
′
点的路线与动态障碍物在预设时长内的运动轨迹路线(即由节点01、02、03、04、05、06、07、08连接起来的路线)是否存在相交的点。若不存在相交的点，则将目标移动路径a
→b→c→d→
e调整成调整移动路径
①→b′→c→d→
e。若存在相交的点，则可适当增大路径局部调整模式的容差范围，计算出移动机器人移动至下一个路径节点(即b点)的局部移动路径(如点
③
至b
″
点的路线)；再判断点
③
至b
″
点的路线与由节点01、02、03、04、05、06、07、08连接起来的路线是否存在相交的点，若不存在相交的点，则将目标移动路径a
→b→c→d→
e调整成调整移动路径
①→b″→c→d→
e。
109.在一示例性实施例中，若通过适当增大路径局部调整模式的容差范围，计算出移动机器人移动至下一个路径节点(即b点)的局部移动路径与由节点01、02、03、04、05、06、07、08连接起来的路线仍存在相交的点，那么可以控制移动机器人在它们出现相交点之前的时刻停止运动，等待运动障碍物通过后，再重新启动移动机器人，继续按照调整移动路径
①→b′→c→d→
e移动，执行其服务任务。
110.本公开实施例，可根据路径局部调整模式，计算移动机器人移动至下一个路径节点的局部移动路径，再结合局部移动路径和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，不仅提高了移动机器人路径规划的自适应性，还减少了移动机器人在中间路径节点处遇到动态障碍物且定位精度较低时需要重新进行路径规划所花费的规划时间，提高了路径规划的效率，同时，还考虑到动态障碍物的运动轨迹路线与计算出来的移动机器人移动至下一个路径节点的局部移动路径之间可能发生的碰撞冲突，提高了路径的安全性。
111.上述所有可选技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
112.下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
113.图4是本公开实施例提供的一种移动机器人自适应路径规划装置的示意图。如图4所示，该移动机器人自适应路径规划装置包括：
114.路径确定模块401，被配置为确定移动机器人执行服务任务的目标移动路径；
115.信息采集模块402，被配置为采集移动机器人在移动执行服务任务的过程中的实时环境信息；
116.信息提取模块403，被配置为根据实时环境信息，确定动态障碍物以及动态障碍物在预设时间内的运动轨迹路线；
117.精度确定模块404，被配置为确定移动机器人在移动执行服务任务的过程中的实时位置的定位精度；
118.启动模块405，被配置为若定位精度低于预设的精度阈值，则启动预设的路径局部调整模式；
119.路径调整模块406，被配置为根据路径局部调整模式和运动轨迹路线对目标移动路径进行调整，得到调整移动路径，以使移动机器人按照调整移动路径继续执行服务任务。
120.在一些实施例中，上述路径确定模块401包括：
121.任务获取单元，被配置为获取服务任务，服务任务包括任务终点；
122.采集单元，被配置为采集移动机器人在执行服务任务之前的起始位置点，将起始位置点确定为路径起点，将任务终点确定为路径终点；
123.地图获取单元，被配置为获取包括路径起点和路径终点的全局地图；
124.路径确定单元，被配置为根据路径起点、路径终点和全局地图，确定目标移动路径。
125.在一些实施例中，上述路径确定单元，可具体被配置为：
126.对全局地图进行格栅化处理，得到格栅化地图；
127.计算格栅化地图中的每一个栅格的可通行概率值；
128.剔除格栅化地图中的可通行概率值低于预设概率阈值的栅格，得到目标栅格地图；
129.根据目标栅格地图、路径起点、路径终点，生成多条备选路径，其中，每一条备选路径为包括路径起点、路径终点和多个中间路径节点的可变长度的有序点集合；
130.从多条备选路径中筛选出满足预设的目标条件的一条目标移动路径。
131.在一些实施例中，上述精度确定模块404包括：
132.配置单元，被配置为若移动机器人在起始位置点对应的场景类型为第一场景类型，则配置移动机器人的定位模式为第一定位模式；
133.第一判断单元，被配置为判断移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型是否仍为第一场景类型；
134.第一定位单元，被配置为若移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型仍为第一场景类型，则采用第一定位模式确定移动机器人的实时位置坐标点；
135.精度确定单元，被配置为根据实时位置坐标点与目标移动路径，确定移动机器人在实时位置处的定位精度。
136.在一些实施例中，上述精度确定单元，可具体被配置为：
137.计算实时位置坐标点与目标移动路径之间的距离值；
138.根据距离值，确定移动机器人在实时位置处的定位精度。
139.在一些实施例中，上述精度确定模块404还包括：
140.第二判断单元，被配置为若移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型不是第一场景类型，则判断移动机器人在移动执行服务任务的过程中的实时位置对应的场景类型是否为第二场景类型；
141.第二定位单元，被配置为若为第二场景类型，则采用第二定位模式确定移动机器人的实时位置坐标点。
142.在一些实施例中，上述路径调整模块406包括：
143.计算单元，被配置为根据路径局部调整模式，计算移动机器人移动至下一个路径节点的局部移动路径；
144.调整单元，被配置为根据局部移动路径和运动轨迹路线对目标移动路径进行调整，得到调整移动路径。
145.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。
146.图5是本公开实施例提供的电子设备5的示意图。如图5所示，该实施例的电子设备5包括：处理器501、存储器502以及存储在该存储器502中并且可在处理器501上运行的计算机程序503。处理器501执行计算机程序503时实现上述各个方法实施例中的步骤。或者，处理器501执行计算机程序503时实现上述各装置实施例中各模块/单元的功能。
147.电子设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等电子设备。电子设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解，图5仅仅是电子设备5的示例，并不构成对电子设备5的限定，可以包括比图示更多或更少的部件，或者不同的部件。
148.处理器501可以是中央处理单元(central processing unit，cpu)，也可以是其它通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、
分立硬件组件等。
149.存储器502可以是电子设备5的内部存储单元，例如，电子设备5的硬盘或内存。存储器502也可以是电子设备5的外部存储设备，例如，电子设备5上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。存储器502还可以既包括电子设备5的内部存储单元也包括外部存储设备。存储器502用于存储计算机程序以及电子设备所需的其它程序和数据。
150.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
151.集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本公开实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可以存储在计算机可读存储介质中，该计算机程序在被处理器执行时，可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如，在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
152.以上实施例仅用以说明本公开的技术方案，而非对其限制；尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围，均应包含在本公开的保护范围之内。